Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Lineaire regressie en logistische regressie zijn de twee meestgebruikte statistische modellen en werken als loper, waarmee je de geheimen in gegevenssets ontsluit. In deze cursus leer je eenvoudige lineaire en logistische regressies fitten. Met praktische oefeningen onderzoek je de relaties tussen variabelen in echte gegevenssets, zoals schadeclaims bij motorrijtuigenverzekeringen, huizenprijzen in Taiwan, visgroottes en meer. Aan het eind van deze cursus kun je voorspellingen doen op basis van je gegevens, de modelprestatie kwantificeren en problemen met de model-fit diagnosticeren.
Vereisten
Lesprogramma
Cursusoverzicht
1
Eenvoudige lineaire regressie
Je leert de basis van dit populaire statistische model: wat regressie is en hoe lineaire en logistische regressies van elkaar verschillen. Vervolgens leer je eenvoudige lineaire regressiemodellen fitten met numerieke en categorische verklarende variabelen, en hoe je de relatie tussen de respons en de verklarende variabelen beschrijft met behulp van modelcoëfficiënten.
- Een verhaal van twee variabelen50 XP
- Welke is de responsvariabele?50 XP
- Twee variabelen visualiseren100 XP
- Een lineaire regressie fitten50 XP
- Schat de intercept50 XP
- Schat het hellingsgetal50 XP
- Lineaire regressie met lm()100 XP
- Categorische verklarende variabelen50 XP
- Numeriek versus categorisch visualiseren100 XP
- Gemiddelden per categorie berekenen100 XP
- lm() met een categorische verklarende variabele100 XP
2
Voorspellingen en modelobjecten
In dit hoofdstuk ontdek je hoe je lineaire regressiemodellen gebruikt om voorspellingen te doen over Taiwanese huizenprijzen en klikken op Facebook-advertenties. Je scherpt je regressievaardigheden aan door praktisch te werken met modelobjecten, het concept "regressie naar het gemiddelde" te begrijpen en te leren hoe je variabelen in een gegevensset transformeert.
3
Model-fit beoordelen
In dit hoofdstuk leer je hoe je je model bevraagt om de fit te beoordelen. Je leert hoe je kwantificeert hoe goed een lineair regressiemodel past, modelproblemen diagnosticeert met visualisaties en de leverage en invloed van elke observatie die het model vormt begrijpt.
4
Eenvoudige logistische regressie
Leer logistische regressiemodellen fitten. Met echte data voorspel je de kans dat een klant zijn bankrekening sluit, als kansen op succes en odds ratio's, en kwantificeer je de modelprestatie met verwarringsmatrices.
R
Introductie tot regressie in R
Cursus
voltooid
